根据光学非球面检测平台结构,建立了误差补偿数学模型。用激光干涉仪检测三轴定位误差和直线度误差,采用最小二乘法拟合出多项式系数,得到误差曲线,叠加后实现了误差补偿。测量出3个运动坐标轴两两之间的垂直度误差,采用坐标旋转完成误差补偿。利用机构误差的分析和检定技术,完成非实时误差的补偿。利用标准球做了对比试验。结果表明,经误差补偿后的非球面检测平台精度明显提高。

为了提高往复式密封的密封性能,对密封区内杆⁃密封界面的流变特性进行分析。基于变形理论,通过引入混合润滑状态下弹性流体动压润滑数值模型,进一步揭示了往复式密封的密封机理。基于此理论模型同时考虑多耦合场的相互作用,通过引入流体方程(考虑空化现象)、微观接触模型以及变形模型,进一步分析了不同密封表面粗糙度、润滑油黏度以及密封杆运动速度下对摩擦力、摩擦因数以及泄漏量的影响,并开展了相应实验验证。研究结果表明:密封表面粗糙度越大,界面摩擦力和泄漏量都随之增加;界面摩擦力随润滑油黏度、密封杆速的增加而降低,泄露却呈现出相反的趋势。

在齿轮噪源存在的变转速滚动轴承故障诊断过程中，因混合信号中转频分量相对较小，使得基于时频表达的阶比跟踪技术受到限制。虽然基于故障特征频率的角域重采样能提取轴承的故障特征，但这种算法不能确定故障位置，而且可能会出现误判。针对这一问题，提出了基于角域自回归（auto regressive，简称AR）模型滤波的处理方法。该方法利用线调频小波路径追踪算法从降采样处理的混合信号中提取齿轮瞬时啮合频率趋势线并估计转速，根据估计转速信息对原混合信号进行等角度重采样，获得了角域信号。利用角域信号中齿轮啮合振动成分具有周期性的特点，使用AR模型对其滤波，并且对滤波后信号进行包络阶比分析，完成故障判断。通过处理仿真信号和实验信号，验证了该方法不仅能有效地去除齿轮噪声，并且可以判断轴承故障位置。

为了探究输电导线风雨激振的诱发机理,基于混合子结构方法对输电导线风雨激振非定常气动力进行了针对性的研究。首先,分别构建结构子结构（输电导线和上雨线）和流体动力计算（computational fluid dynamics,简称CFD）数值流场子结构;其次,利用自制的风洞模拟实验台及相关测试系统,获取结构子结构的振动响应（频率,振幅）;最后,将测得振动响应作为CFD数值模拟的边界条件,计算绕流场特性并获取气动力特性参数,将计算得到的气动力施加到输电导线上,得到输电导线的振动响应并与实验结果比较。分析结果表明,混合子结构方法能够准确获得输电导线发生风雨激振时的气动特性,该方法为不便于实验获取气动力特性振动问题研究提供了一种有效途径。

根据同步施工网络控制系统的控制原理,分析了时变、随机和不确定的网络时延对同步误差控制所产生的影响。针对传统Smith预估器用于多被控对象同步控制时存在的缺陷与不足进行了分析,提出了一种改进型Smith预估器,实现了对网络时延、被控对象纯滞后因子以及同步误差控制器的多重Smith预估补偿,将其从内部反馈回路中彻底消除,预估模型无需预估与在线测量其大小与变化规律。通过基于控制器局域网络(controller area network,简称CAN)的盾构管片拼装机同步网络控制系统,对常规比例积分微分(proportion integral derivative,简称PID)同步网络控制和基于改进型Smith预估器的PID同步网络控制性能进行了仿真对比分析,并通过实验进行了验证。结果表明,常规PID网络控制同步误差为一3?3 mm,基于改进型Smith预估器的PID网络控制同步误差为一1.5?1.5 mm,后者可显著提高同步施工...

针对输电线路故障测距时所使用实小波变换结果是实数、缺乏相位信息以及频带混叠等缺陷,提出利用改进消失矩的高斯复小波处理故障信号。首先,分析消失矩对小波时频域的影响;然后,从故障信号的奇异性出发,分析辨识奇异性的Lipschitz指数与消失矩的关系,提出消失矩的改进判据;最后,利用高斯复小波对输电线路故障信号进行处理,根据变换结果中的邻幅比和相位畸变率而选取最优消失矩。仿真和实验表明,笔者提出的改进消失矩高斯复小波增强了信号奇异性检测能力,有效地抑制了干扰,使其减少17.84%,并稳定了相位信息,使相位畸变率减小4.12%。同时,改进消失矩复小波测距结果的误差比普通消失矩的高斯复小波的测距结果误差减少6.06%,比实小波测距结果误差减少5.82%。

为实现航空发动机状态等级的划分与识别、可靠性和剩余寿命的分析以及典型故障的诊断,基于灰靶决策理论、层次分析法和熵理论提出一种航空发动机健康监测方法。首先,以新航空发动机状态监测值作为靶心,用经层次分析法和熵理论综合算法优化权重系数后的灰靶模型计算靶心度;然后,结合故障严酷度和发生概率制定各健康状态等级的划分标准,并将靶心度转化为可靠度,在此基础上结合发动机性能退化曲线计算剩余寿命;最后,计算典型故障数据的靶心度作为参照实现故障类型的诊断。用某型航空发动机气路性能参数监测数据进行验证,结果表明笔者提出的算法可有效实现航空发动机健康监测,该算法具有较好的实用性和准确性。

针对自动机故障诊断过程中振动信号的非线性、非平稳性、非周期性导致的故障特征较难提取, 以及故障识别率偏低这一问题,提出了一种基于多尺度样本熵和多变量预测模型（variable predictive model-based class discriminate,简称VPMCD）的自动机故障诊断方法.首先,对采集到的信号进行小波阈值降噪处理;其次,利用小波包分解的方法对振动信号进行分解,得到多个尺度下的信号分量;然后,计算不同尺度下信号的样本熵值,并提取对故障特征较为敏感的尺度因子,组成故障特征向量;最后,利用多变量预测模型对故障特征向量进行训练和识别,进而实现自动机的故障诊断.自动机故障诊断试验分析结果表明,利用多尺度样本熵和多变量预测模型的方法可以准确识别多种典型的自动机故障类型.

针对旋转机械设备的故障特征微弱和环境噪声强等问题,提出了一种基于短时滑移模糊熵和局部保留投影法（locality preserving projection,简称LPP）的故障特征提取方法。首先,通过对滑移截断短时序列的架构分析,引入多尺度复合模糊熵,获得信号在不同复合尺度下的特征信息和故障潜在特征,能准确反应信号复杂度和不确定性;其次,应用LPP流形降维并保留信号的局部数据特征,设计最优带通滤波器,对轴承振动信号进行故障冲击特征提取。仿真分析和实验数据结果验证了该方法在强背景噪声情况下降噪抑制方面的有效性,具有快速识别和提取滚动轴承的微弱冲击特征的能力。

矩阵结构对奇异值分解的信号处理效果有重要影响,改变传统算法中矩阵结构固定的思想,提出在奇异值分解中采用变化的矩阵结构,每分解一次,矩阵结构就改变一次,以适应信号中不同的周期性分量.每次的分解都将上一层的信号分解为主、副两个分量,提取副分量,而对主分量再次进行变矩阵结构的奇异值分解,如此反复进行,最终将原始信号分解为一系列主、副分量.信号处理实例表明,这一方法具有良好的信号分离效果,能够实现信号中不同周期性分量的有效分离。